通过Pandas计算每行与共识的差异数量

Question

我有一个长这样的 DataFrame：

import pandas as pd
df = pd.DataFrame({'A':['a','b','c','d'],'B':['a','b','c','x'],'C':['y','b','c','d']})
df

   A  B  C
0  a  a  y
1  b  b  b
2  c  c  c
3  d  x  d

我希望能够确定每行中最常见的字符，并统计与共识不同的数量：

       A  B  C Consensus
    0  a  a  y         a
    1  b  b  b         b
    2  c  c  c         c
    3  d  x  d         d
Total  0  1  1         0

循环运行是一种方法，但它似乎效率低下：

consensus = []
for idx in df.index:
    consensus.append(df.loc[idx].value_counts().index[0])
df['Consensus'] = consensus

有没有一种简单的方法来获取共识并计算它们之间的差异？（等等）

- iayork

Answer 1

您可以使用mode来获取共识值：

>>> df.mode(axis=1)
   0
0  a
1  b
2  c
3  d

请注意文档中的警告：

获取所选轴上每个元素的模式。如果没有2个或多个出现，则为空。为每个标签添加一行模式，用nan填充间隙。

请注意，所选轴可能返回多个值（当多个项目共享最大频率时），这就是返回dataframe的原因。如果要使用dataframe df中的mode来填充缺失值，则可以执行此操作：df.fillna(df.mode().iloc[0])

要计算每列与共识的差异，可以使用ne进行比较，然后求和：

>>> df['consensus'] = df.mode(axis=1)
>>> df.loc[:, 'A':'C'].ne(df['consensus'], axis=0).sum(axis=0)
A    0
B    1
C    1
dtype: int64

- Alex Riley